Question

我想使用学习的模型来获得新的预测。所以我做了一个我想要的功能。但这是行不通的。当我使用此功能时，它总是返回相同的值。我认为编码过程存在问题，但我不知道如何解决。我改变了很多我怀疑的东西，但是没有用。请观看此代码，并告诉我该代码有什么问题。谢谢。

def determineRank(t,n,bid_t,w,h,k):
#    t = str(input())   # time
#    n = int(input())   # now ranking
#    bid_t = int(input())   # bid amount
#    w = int(input())   # weekday
#    h = int(input())   # holiday
#    k = str(input())   # keyword


    encode = LabelEncoder()
    #x = np.concatenate((t,n,bid_t,w,h,k),axis = 1).reshape(1,6,1)
    t = categorize_time(t)
    k = encode.fit_transform([k])
    new_list = []
    new_list = [t,n,bid_t,w,h,k]

    """ 
    new_list = new_list.append(t)
    new_list = new_list.append(n)
    new_list = new_list.append(bid_t)
    new_list = new_list.append(w)
    new_list = new_list.append(h)
    new_list = new_list.append(k)
    k = encode.fit_transform(k)
    """

    new_list = np.array(new_list)   
    new_list = new_list.reshape(1,6,1)
    model = load_model('03-0.728448.hdf5')
    rank = model.predict(new_list)
    return rank[0]

Answer 1

是的，编码过程有问题。调用LabelEncoder ()时，将创建一个新的编码器。因此，对于传递给新编码器的任何值，编码结果将相同。要通过基于编码器的值进行预测，应使用与模型拟合相同的编码器：

适合：

    ...
    encode = LabelEncoder()  # create new encoder
    k = encode.fit_transform([k])  # fit encoder and transform value
    save_encoder(encode, 'some_name_for_encoder.hdf5')  # save fitted encoder for further usage
    ...

预测：

    ...
    encode = load_encoder('some_name_for_encoder.hdf5')  # load fitted encoder
    k = encode.transform([k])  # transform value
    ...

如何通过使用Keras的训练模型来获得预测值？

1 个答案: